自编码贝叶斯逆博弈

当多个智能体在一个共同环境中交互时，每个智能体的行为都会影响其他智能体未来的决策，而非合作动态博弈自然地捕捉了这种耦合。然而，在交互式运动规划中，智能体通常无法获得博弈的完整模型，例如，由于其他参与者的目标未知。因此，我们考虑逆博弈问题，其中博弈的某些属性是先验未知的，必须从观测中推断出来。现有的解决逆博弈的最大似然估计（MLE）方法仅提供未知参数的点估计，而不量化不确定性，并且在许多参数值都能解释观测行为时表现不佳。为了解决这些局限性，我们采用贝叶斯视角，构建博弈参数的后验分布。为了使推断可行，我们采用了一个嵌入了可微博弈求解器的变分自编码器（VAE）。这种结构化的VAE可以从无标签的观测交互数据集中进行训练，自然地处理连续、多模态分布，并支持从推断的后验分布中进行高效采样，而无需在运行时计算博弈解。在模拟驾驶场景中的广泛评估表明，所提出的方法成功地学习了先验和后验博弈参数分布，提供了比MLE基线更准确的目标估计，并促进了更安全、更高效的博弈论运动规划。